5 de Mayo de 2022
Entender cómo usar los datos geolocalizados para problemas inmobiliarios
En especial
Entender cuáles son los factores que importan más en el precio de una casa
Modelizar el precio de un inmueble de acuerdo a variables geo-espaciales
Visualizar el mercado de oferta de viviendas
Uno de los sectores en el que Location Intelligence es más importante es del mercado inmobiliario.
De hecho una de las máximas del mercado inmobiliario es que las tres cosas que más importan para el precio de una casa son:
“Location, Location, Location”
Entender mejor cómo las variables geo-espaciales influyen en el precio de un inmueble y en sus cambios nos permite:
Manejar mejor las carteras de inmuebles (inversores)
Detectar oportunidades de inversión (inversores, compradores)
Mejorar las promociones de nuevos inmuebles
Hay mucha literatura sobre cuáles son las variables del barrio y de la ciudad que más afectan al precio de un inmueble. Por ejemplo:
La distancia al centro
El tener una parada de metro cerca
El hecho de que sea una zona nueva
Que haya otros medios de transporte
Que haya un parque cerca. O un supermercado
O que no haya cierto tipos de negocio cerca
El nivel de ruido/contaminación de la zona, etc.
Todas estas variables son de Location Intelligence.
La visualización y sobre todo la modelización de cómo impactan estas variables en el precio es lo que hace que Location Intelligence sea tan importante en el mercado inmobiliario.
En España hay varias empresas que dan este tipo de servicios de Location Intelligence
y en otros países:
Y qué variables son las más importantes? Muchas. Recomiendo leer el libro editado por Zillow
Vamos a ver un ejemplo de cómo utilizar variables geo-espaciales para enteder el precio de la vivienda en Madrid. Para ello vamos a utilizar una lista de precio de viviendas.
precios_vivienda <- read.csv("./data/precios_vivienda.csv")
head(precios_vivienda,4)
## bathrooms exterior price rooms size longitude latitude ## 1 1 TRUE 56050 3 60 -3.614164 40.40848 ## 2 2 TRUE 160000 3 107 -3.641696 40.38688 ## 3 2 TRUE 645000 3 154 -3.674424 40.42397 ## 4 1 TRUE 150000 1 55 -3.668896 40.40165
Como vemos cada vivienda viene definida por su geolocalización y una serie de propiedades de ella, incluyendo el precio y superficie.
Los precios tienen mucha variabilidad
ggplot(precios_vivienda,aes(x=price)) + geom_density(fill="red") + scale_x_log10()
Quitamos las casas que valen menos de 50000€.
precios_vivienda <- precios_vivienda %>% filter(price>50000)
Así varía el precio por metro cuadrado
ggplot(precios_vivienda,aes(x=price/size)) + geom_density(fill="red") + scale_x_log10()
El precio varia entre
range(precios_vivienda$price)
## [1] 50106 40000000
Donde el precio medio por metro cuadrado es
mean(precios_vivienda$price/precios_vivienda$size)
## [1] 3042.672
Vamos a visualizar cómo depende el precio de la vivienda para cada uno de los barrios de Madrid. Para ello lo primero es situar cada inmueble en su barrio
Cargamos los shapefiles de los barrios de Madrid
map_barrios <- read_sf("./data/Barrios Madrid/200001469.shp")
map_barrios$DESBDT <- iconv(map_barrios$DESBDT,from="Windows-1252", to="UTF-8")
Como siempre utilizamos la proyección WGS84
mapb <- st_transform(map_barrios,4326)
Utilizamos la funcion st_within para saber en qué barrio está cada uno de los inmuebles
pts <- st_as_sf(precios_vivienda,coords = c("longitude","latitude"),crs=4326)
id_polygon <- st_within(pts,mapb)
Y añadimos una columna a los inmuebles que refleje su barrio
precios_vivienda$barrio <- mapb$DESBDT[as.numeric(id_polygon)] head(precios_vivienda,3)
## bathrooms exterior price rooms size longitude latitude barrio ## 1 1 TRUE 56050 3 60 -3.614164 40.40848 192 Ambroz ## 2 2 TRUE 160000 3 107 -3.641696 40.38688 134 Palomeras Sureste ## 3 2 TRUE 645000 3 154 -3.674424 40.42397 042 Goya
Calculamos el promedio del precio por metro cuadrado y el número de inmuebles para cada barrio
precios_barrio <- precios_vivienda %>% group_by(barrio) %>% summarise(precio_medio_m2=mean(price/size),num_inmuebles=length(price)) %>% ungroup() head(precios_barrio,3)
## # A tibble: 3 × 3 ## barrio precio_medio_m2 num_inmuebles ## <chr> <dbl> <int> ## 1 011 Palacio 3614. 426 ## 2 012 Embajadores 3080. 574 ## 3 013 Cortes 3839. 242
Ponemos esa información en los datos del mapa
mapb2 <- merge(mapb,precios_barrio,by.x="DESBDT",by.y="barrio")
Visualizamos el precio medio como un choropleth
pal <- colorNumeric(palette = "Blues",domain = mapb2$precio_medio_m2)
leaflet(mapb2) %>% addTiles() %>%
addPolygons(fillColor =~pal(precio_medio_m2),stroke = F,
popup=~paste(DESBDT,"<br>",precio_medio_m2),fillOpacity = 0.9)
Como hemos visto, la principal variable que explica el precio de la vivienda es la superficie
ggplot(precios_vivienda,aes(x=size,y=price)) + geom_point() + stat_smooth() + scale_x_log10() + scale_y_log10()
Lo cual se refleja en un simple modelo
fit <- lm(log(price) ~ log(size), data=precios_vivienda) summary(fit)
## ## Call: ## lm(formula = log(price) ~ log(size), data = precios_vivienda) ## ## Residuals: ## Min 1Q Median 3Q Max ## -3.0661 -0.2976 0.0278 0.3185 3.9290 ## ## Coefficients: ## Estimate Std. Error t value Pr(>|t|) ## (Intercept) 6.807184 0.017469 389.7 <2e-16 *** ## log(size) 1.232795 0.003666 336.2 <2e-16 *** ## --- ## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 ## ## Residual standard error: 0.4597 on 36160 degrees of freedom ## Multiple R-squared: 0.7577, Adjusted R-squared: 0.7577 ## F-statistic: 1.131e+05 on 1 and 36160 DF, p-value: < 2.2e-16
¿Cómo influyen las otras propiedades del inmueble? Hacemos un modelo que incluya el número de habitaciones, si es exterior o no, etc
fit <- lm(log(price) ~ log(size) + rooms + as.factor(exterior)+bathrooms, data = precios_vivienda) summary(fit)
## ## Call: ## lm(formula = log(price) ~ log(size) + rooms + as.factor(exterior) + ## bathrooms, data = precios_vivienda) ## ## Residuals: ## Min 1Q Median 3Q Max ## -3.1996 -0.2877 0.0286 0.3026 3.8231 ## ## Coefficients: ## Estimate Std. Error t value Pr(>|t|) ## (Intercept) 6.894173 0.026703 258.18 <2e-16 *** ## log(size) 1.230833 0.007071 174.06 <2e-16 *** ## rooms -0.135325 0.002486 -54.44 <2e-16 *** ## as.factor(exterior)TRUE 0.059753 0.005426 11.01 <2e-16 *** ## bathrooms 0.139772 0.003348 41.75 <2e-16 *** ## --- ## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 ## ## Residual standard error: 0.437 on 36157 degrees of freedom ## Multiple R-squared: 0.7811, Adjusted R-squared: 0.781 ## F-statistic: 3.225e+04 on 4 and 36157 DF, p-value: < 2.2e-16
Veamos ahora cómo influyen las variables de localización. Por ejemplo, la distancia al centro. Añadimos una columna a los datos que nos de la distancia al centro
pto_center <- st_as_sf(data.frame(lon=-3.7037,lat=40.416775),coords = c("lon","lat"),crs=4326)
pto_vivienda <- st_as_sf(precios_vivienda,coords=c("longitude","latitude"),crs=4326)
dist_center <- st_distance(pto_vivienda,pto_center)
pto_vivienda$dist_center <- as.numeric(dist_center)
Y modelizamos de nuevo
fit <- lm(log(price) ~ log(size) + rooms + as.factor(exterior) +
bathrooms + dist_center, data = pto_vivienda)
summary(fit)$coefficients
## Estimate Std. Error t value Pr(>|t|) ## (Intercept) 7.168993e+00 2.533866e-02 282.92707 0.000000e+00 ## log(size) 1.226012e+00 6.630386e-03 184.90806 0.000000e+00 ## rooms -1.402372e-01 2.331811e-03 -60.14088 0.000000e+00 ## as.factor(exterior)TRUE 5.498916e-02 5.087881e-03 10.80787 3.476631e-27 ## bathrooms 1.612454e-01 3.153423e-03 51.13343 0.000000e+00 ## dist_center -5.416121e-05 7.680664e-07 -70.51631 0.000000e+00
Aunque el modelo ya es muy bueno, vamos a ver si el error es diferente por barrios
pto_vivienda$fitted <- fitted(fit) error_barrios <- st_drop_geometry(pto_vivienda) %>% group_by(barrio) %>% summarize(MAE_medio=mean(abs(log(price)-fitted)/fitted))
donde vemos que hay barrios donde el modelo tiene mucho error
error_barrios %>% filter(MAE_medio > 0.04)
## # A tibble: 8 × 2 ## barrio MAE_medio ## <chr> <dbl> ## 1 121 Orcasitas 0.0438 ## 2 122 Orcasur 0.0411 ## 3 126 Zofío 0.0412 ## 4 127 Pradolongo 0.0468 ## 5 131 Entrevías 0.0555 ## 6 132 San Diego 0.0420 ## 7 133 Palomeras Bajas 0.0422 ## 8 135 Portazgo 0.0416
Visualizamos ese error
mapb2 <- merge(mapb2,error_barrios,by.x="DESBDT",by.y="barrio")
pal <- colorNumeric(palette = "Blues",domain = mapb2$MAE_medio)
leaflet(mapb2) %>% addTiles() %>%
addPolygons(fillColor =~pal(MAE_medio),stroke = F,
popup=~paste(DESBDT,"<br>",MAE_medio),fillOpacity = 0.9)
Vamos a ver si el que el inmueble esté cerca del metro tiene algún efecto en el precio. Para ello nos bajamos la geolocalización de las paradas de metro de Nomecalles
bocas <- read_sf("./data/Transportes y comunicaciones_ Metro (bocas)/bocas.shp")
Y las transformamos a lat/long
bocas2 <- st_transform(bocas,crs=4326)
Ahora tenemos que determinar la distancia a la boca de metro más cercana. Definimos una función que, a partir de un punto nos da la distancia más corta a una boca de metro
distance_boca <- function(pto){
dd <- st_distance(pto,bocas2)
apply(dd,1,FUN=min)
}
Por ejemplo la distancia a la boca más cercana del centro de la Puerta del Sol es
distance_boca(pto_center)
## [1] 21.78039
es decir, apenas unos metros
Calculamos la distancia a cada uno de los inmuebles
pto_vivienda <- pto_vivienda %>% mutate(distancia_metro=distance_boca(geometry))
Influye?
fit <- lm(log(price) ~ log(size) + rooms + as.factor(exterior) +
bathrooms + dist_center + distancia_metro, data = pto_vivienda)
summary(fit)$coefficients
## Estimate Std. Error t value Pr(>|t|) ## (Intercept) 7.130012e+00 2.531217e-02 281.68320 0.000000e+00 ## log(size) 1.235718e+00 6.621239e-03 186.62949 0.000000e+00 ## rooms -1.427033e-01 2.325021e-03 -61.37722 0.000000e+00 ## as.factor(exterior)TRUE 4.301024e-02 5.106649e-03 8.42240 3.822641e-17 ## bathrooms 1.658670e-01 3.149096e-03 52.67132 0.000000e+00 ## dist_center -4.570702e-05 8.932289e-07 -51.17056 0.000000e+00 ## distancia_metro -8.705309e-05 4.755986e-06 -18.30390 1.673765e-74
Repetir el ejercicio anterior para los supermercados, galerias de alimentación y mercadillos
Identificar los inmuebles que tienen un precio por metro cuadrado mucho menor que la media de su barrio
Visualizar dichos inmuebles en un mapa